woodcorpse的个人博客分享 http://blog.sciencenet.cn/u/woodcorpse

博文

价值130欧元的《微生物组分析Microbiome Analysis》2018版电子书

已有 543 次阅读 2019-5-19 07:50 |个人分类:培训|系统分类:科研笔记

image

https://doi.org/10.1007/978-1-4939-8728-3

《微生物组分析》第二版于2018年末更新啦!电子书价格 130.89欧元。订阅Springer的用户可直接访问DOI下载电子版。单位没有订阅的小伙伴,下载方法见文末。

image
https://link.springer.com/book/10.1007/978-1-4939-8728-3

本书作者

  • Robert G. Beiko

加拿大,达尔豪斯大学,计算机系(
Faculty of Computer Science, Dalhousie University, Halifax, NS, Canada)

你可能不记得Beiko是谁,但你一定用过它编写的微生物组分析软件STAMP

STAMP——微生物组间差异统计分析 简明教程 中文帮助文档

  • Will Hsiao

加拿大,英属哥伦比亚大学,病理与实验医学系(Department of Pathology & Laboratory Medicine, University of British Columbia,
Vancouver, BC, Canada)

  • John Parkinson

加拿大,儿童医院,分子医学项目(
Program in Molecular Medicine, The Hospital for Sick Children, Toronto, ON, Canada;)

加拿大,多伦多大学,生化与分子遗传系(
Department of Biochemistry and Department of Molecular Genetics, University of Toronto,
Toronto, ON, Canada)

目录导读

中文简介

  1. 描述深地表下微生物组的样式
  2. 淡水病毒组:从采样到评估
  3. 利用18S扩增子测序鉴定真核微生物组
  4. 呼吸道微生物组的培养和分子水平研究
  5. 母乳微生物群的研究方法和策略
  6. 使用选择反应监测质谱法定量海洋微生物系统中维生素B12相关蛋白
  7. 微生物暗物质的单细胞基因组学
  8. QIIME2 分析16S rRNA基因
  9. 用微生物组助手流程处理16S rRNA基因测序数据集
  10. 微生物组分析数据的标准化
  11. 使用PICRUSt标记基因预测微生物组的功能潜能
  12. 宏基因组的组装和重叠群的分配
  13. 从转录组到生物学推断:使用宏转录组成型数据分析
  14. 基因组精度的亚采样组装和杂交核苷酸组成/宏基因组的差异覆盖度区域分箱
  15. 跨界网络:识别宿主-微生物组相互作用因果成员的系统生物学方法
  16. 在R中构建和分析微生物组网络
  17. 利用Biomico宏基因组数据中推断微生物群落结构
  18. 分析微生物组的代谢途径
  19. 利用高维宏基因组数据建立分类群鉴定的稀疏处理效应模型

看看以上内容,是不是每一条都干货满满!

1 Characterizing the Deep Terrestrial Subsurface Microbiome . . . . . . . . . . . . . . . . . 1
Rebecca A. Daly, Kelly C. Wrighton, and Michael J. Wilkins
2 Freshwater Viromes: From Sampling to Evaluation . . . . . . . . . . . . . . . . . . . . . . . . . 17
Catherine Putonti, Zoe¨ Diener, and Siobhan C. Watkins
3 Characterization of Eukaryotic Microbiome Using 18S
Amplicon Sequencing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
Ana Popovic and John Parkinson
4 Culture and Molecular Profiling of the Respiratory Tract Microbiota. . . . . . . . . . 49
Fiona J. Whelan, Laura Rossi, Jennifer C. Stearns,
and Michael G. Surette
5 Methods and Strategies to Examine the Human Breastmilk Microbiome . . . . . . 63
Lauren LeMay-Nedjelski, Julia Copeland, Pauline W. Wang,
James Butcher, Sharon Unger, Alain Stintzi, and Deborah L. O’Connor
6 Quantification of Vitamin B12-Related Proteins in Marine
Microbial Systems Using Selected Reaction Monitoring
Mass Spectrometry . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
Erin M. Bertrand
7 Single-Cell Genomics of Microbial Dark Matter . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
Christian Rinke
8 16S rRNA Gene Analysis with QIIME2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
Michael Hall and Robert G. Beiko
9 Processing a 16S rRNA Sequencing Dataset with the Microbiome
Helper Workflow. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
Gavin M. Douglas, Andre′ M. Comeau, and Morgan G. I. Langille
10 Normalization of Microbiome Profiling Data. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
Paul J. McMurdie
11 Predicting the Functional Potential of the Microbiome
from Marker Genes Using PICRUSt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
Gavin M. Douglas, Robert G. Beiko, and Morgan G. I. Langille
12 Metagenome Assembly and Contig Assignment . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179
Qingpeng Zhang
13 From RNA-seq to Biological Inference: Using Compositional
Data Analysis in Meta-Transcriptomics . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 193
Jean M. Macklaim and Gregory B. Gloor
14 Subsampled Assemblies and Hybrid Nucleotide
Composition/Differential Coverage Binning for Genome-Resolved
Metagenomics. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 215
Laura A. Hug
15 Transkingdom Networks: A Systems Biology Approach to Identify
Causal Members of Host–Microbiota Interactions . . . . . . . . . . . . . . . . . . . . . . . . . . 227
Richard R. Rodrigues, Natalia Shulzhenko, and Andrey Morgun
16 Constructing and Analyzing Microbiome Networks in R . . . . . . . . . . . . . . . . . . . . 243
Mehdi Layeghifard, David M. Hwang, and David S. Guttman
17 Bayesian Inference of Microbial Community Structure
from Metagenomic Data Using BioMiCo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 267
Katherine A. Dunn, Katelyn Andrews, Rana O. Bashwih,
and Joseph P. Bielawski
18 Analyzing Metabolic Pathways in Microbiomes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 291
Mobolaji Adeolu, John Parkinson, and Xuejian Xiong
19 Sparse Treatment-Effect Model for Taxon Identification
with High-Dimensional Metagenomic Data. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 309
Zhenqiu Liu and Shili Lin

实战代码示例

分析代码有github链接

如:https://github.com/beiko-lab/mimb_16S

#!/bin/bash

# fetchFastq.sh must be run first!

#This command imports the FASTQ files into a QIIME artifact
qiime tools import --type 'SampleData[PairedEndSequencesWithQuality]' --input-path sequence_data/import_to_qiime --output-path reads

#Using DADA2 to analyze quality scores of 10 random samples
qiime demux summarize --p-n 10000 --i-data reads.qza --o-visualization qual_viz

#Denoising with DADA2. Using quality score visualizations, you can choose trunc-len-f and trunc-len-r (note: sequences < trunc-len in length are discarded!)
# The drop-off for the forward reads was not so bad, but there is a significant drop-off in quality for the reverse reads, so let's trim 10bp
qiime dada2 denoise-paired --i-demultiplexed-seqs reads.qza --o-table table --o-representative-sequences representative_sequences --o-denoising-stats denoise_stats --p-trunc-len-f 150 --p-trunc-len-r 140 --p-trim-left-f 19 --p-trim-left-r 20 --p-n-threads 3

#This visualization shows us the sequences/sample spread
qiime feature-table summarize --i-table table.qza --o-visualization table_summary

#Filter out sequences with few samples
qiime feature-table filter-samples --i-table table.qza --p-min-frequency 5000 --o-filtered-table filtered_table

qiime feature-table summarize --i-table filtered_table.qza --o-visualization filtered_tab

这么好的教材和速查手册,赶快下载学习或收藏备用吧

还没关注“宏基因组”的扫描下方二维码关注吧
image

领取方法,分享此文至朋友圈或同行微信群,截图发至“宏基因组”公众号后台,即可领取。

猜你喜欢

写在后面

为鼓励读者交流、快速解决科研困难,我们建立了“宏基因组”专业讨论群,目前己有国内外5000+ 一线科研人员加入。参与讨论,获得专业解答,欢迎分享此文至朋友圈,并扫码加主编好友带你入群,务必备注“姓名-单位-研究方向-职称/年级”。技术问题寻求帮助,首先阅读《如何优雅的提问》学习解决问题思路,仍末解决群内讨论,问题不私聊,帮助同行。
image

学习扩增子、宏基因组科研思路和分析实战,关注“宏基因组”
image

image

点击阅读原文,跳转最新文章目录阅读
https://mp.weixin.qq.com/s/5jQspEvH5_4Xmart22gjMA



http://blog.sciencenet.cn/blog-3334560-1179879.html

上一篇:导师(老板)推荐的学术前沿号
下一篇:价值1143元的《R语言统计分析微生物组数据》

0

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...
扫一扫,分享此博文

Archiver|手机版|科学网 ( 京ICP备14006957 )

GMT+8, 2019-10-20 22:23

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部